Diskussion zum Artikel "Algorithmen zur Optimierung mit Populationen Grauer-Wolf-Optimierung (GWO)"

[MetaQuotes]

Neuer Artikel Algorithmen zur Optimierung mit Populationen Grauer-Wolf-Optimierung (GWO) :

Betrachten wir einen der neuesten modernen Optimierungsalgorithmen - die Grey-Wolf-Optimierung. Das originelle Verhalten bei Testfunktionen macht diesen Algorithmus zu einem der interessantesten unter den zuvor besprochenen Algorithmen. Dies ist einer der besten Algorithmen für das Training neuronaler Netze, glatte Funktionen mit vielen Variablen.

Abb. 3. Diagramm der Omega-Bewegung im Verhältnis zu Alpha, Beta und Delta

Der Pseudocode des GWO-Algorithmus lautet wie folgt:

1) Initialisieren der Population der Grauen Wölfe nach dem Zufallsprinzip.
2) Berechnen der Fitness der einzelnen Mitglieder der Population.
3) Rudelführer:
-α = Mitglied mit dem besten Fitnesswert
-β = zweitbestes Mitglied (in Bezug auf die Fitness)
-δ = drittbestes Mitglied (in Bezug auf den Fitnesswert)
Aktualisierung der Position aller Omega-Wölfe gemäß den Gleichungen, die von α, β, δ abhängen
4) Berechnen der Fitness der einzelnen Mitglieder der Population.
5) Schritt 3 wiederholen.

Autor: Andrey Dik